RankMerging: Apprentissage supervisé de classements pour la prédiction de liens dans les grands réseaux sociaux

Résumé : Trouver les liens manquants dans un grand réseau social est une tâche difficile, car ces réseaux sont peu denses, et les liens peuvent correspondre à des environnements structurels variés. Dans cet article, nous décrivons RankMerging, une méthode d'apprentissage supervisé simple pour combiner l'information obtenue par différentes méthodes de classement. Afin d'illustrer son intérêt, nous l'appliquons à un réseau d'utilisateurs de téléphones portables, pour montrer comment un opérateur peut détecter des liens entre les clients de ses concurrents. Nous montrons que RankMerging surpasse les méthodes à disposition pour prédire un nombre variable de liens dans un grand graphe épars.
Complete list of metadatas

Cited literature [6 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01208336
Contributor : Lionel Tabourier <>
Submitted on : Friday, October 2, 2015 - 2:11:33 PM
Last modification on : Thursday, March 21, 2019 - 2:18:40 PM
Long-term archiving on : Sunday, January 3, 2016 - 10:44:29 AM

File

Tabourier_RankMerging_EGC.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01208336, version 1

Citation

Lionel Tabourier, Anne-Sophie Libert, Renaud Lambiotte. RankMerging: Apprentissage supervisé de classements pour la prédiction de liens dans les grands réseaux sociaux. EGC 2015, 15ème conférence internationale sur l'extraction et la gestion des connaissances, 2015, Luxembourg, Luxembourg. ⟨hal-01208336⟩

Share

Metrics

Record views

92

Files downloads

243